Modèles temporels pour l'exploration de base de données administratives de santé

La pharmaco-épidémiologie étudie les avantages et les risques de l'utilisation des médicaments sur la population dans des situations réelles où ces populations sont issues de bases de données médicales. Cette thèse porte sur les bases de données de santé administratives avec une application sur la base française appelée SNDS (Système National des Données de Santé). Le SNDS contient des informations administratives de type remboursements de soins : délivrances de médicaments, actes médicaux et hospitalisations mais ne contient pas de rapports médicaux, ni de diagnostic. L’absence de diagnostic rend la sélection de population d'intérêt complexe pour les pharmaco-épidémiologistes. L’objectif de cette thèse est de faciliter la sélection de populations d’intérêts dans les bases de données de santé administratives avec un outil intuitif et efficace. Cette thèse propose une approche formelle basée sur les Chroniques permettant de caractériser des phénotypes temporels, c’est-à-dire une description d’évènements médicaux témoignant d’une maladie, et une autre approche basée sur le Web Sémantique proposant une représentation des données avec OWL. Cette thèse propose l’outil efficace \HyCOR, utilisant le Web Sémantique combiné au modèle temporel des Chroniques afin de trouver tous les patients exprimant un phénotype temporel donné. Cet outil a été testé sur un cas d’étude réel visant à sélectionner les patient atteints de thrombose veineuse dans le SNDS.Pharmacoepidemiology studies the benefits and risks of drug use on the population in real situations where these populations are issued from medical databases. This thesis focuses on administrative healthcare databases with an application on the French database called SNDS (Système National des Données de Santé). The SNDS contains administrative information such as reimbursements of care: deliveries of drugs, medical acts and hospitalizations but does not contain medical reports or diagnoses. The absence of diagnosis makes the selection of the population of interest complex for pharmaco-epidemiologists.The objective of this thesis is to facilitate the selection of populations of interest in administrative healthcare databases with an intuitive and efficient tool. This thesis proposes a formal approach based on Chronicles to characterize temporal phenotypes, i.e. a description of medical events testifying of a disease, and another approach based on the Semantic Web proposing a data representation with OWL. This thesis proposes the efficient \HyCOR tool, combining Semantic Web tools with the Chronicles temporal model to find all patients expressing a given temporal phenotype. This tool has been evaluated on a real use case aiming at selecting patients suffering of venous thrombosis in the SNDS